Обработка статических и динамических изображений
Введение
Технологи медицинской радиологии (TМР) обычно выполняют многочисленные манипуляции с компьютером для усовершенствования диагностических изображений, чтобы помочь в правильной интерпретации. Хотя опытные технологи, как правило, осведомлены о визуальных последствия своих манипуляций, они не могут в полной мере понять математические и научные принципы, положенные в действие одного нажатия мыши. Принципы могут быть сложными для всех, кроме наиболее технологически подкованных ТМР. По всей вероятности, математическая обработка изображений в учебниках и статьях запугивает, препятствует или, возможно, является неинтересной ТМР. Тем не менее, преодолевая сопротивление и понимая основные принципы, лежащие в обработке изображений, ТМР могут расширить их возможности для получения высокого качества диагностических изображений.
Нельзя исключать математику из обсуждения обработки изображений и фильтрации. В этой статье будут описаны принципы, лежащие в ряде общих процедур. Это описание должно быть приемлемым для технологов различных уровней математического знания. Первые процедуры, которые будут обсуждаться, простые процедуры, связанные со статическими изображениями. Далее, более сложные процедуры, связанные с динамическими изображениями. Значительная часть обработки изображений и фильтрации происходит с физиологически закрытыми изображениями и ОФЭКТ (однофотонной эмиссионной компьютерной томографии) изображений. К сожалению, сложность этих вопросов не дает подробное описание здесь.
Обработка статических изображений
Статические изображения, которые были перенесены непосредственно на пленку в режиме реального времени, представлены в аналоговом формате. Эти данные могут иметь бесконечный диапазон значений и могут создавать изображения, которые точно отражают распределение радионуклидов в органах и тканях. Хотя эти изображения могут быть очень высокого качества, если они получены правильно, в режиме реального времени сбор информации обеспечивает только одну возможность для приобретения данных. По причине человеческого фактора или других ошибок, может потребоваться повтор получения изображения и, в некоторых случаях, повтор целых исследований.
Статические изображения, переданные в компьютер для хранения или улучшения, представлены в цифровом формате. Это осуществляется в электронном виде с аналого-цифровым преобразователем. В старых камерах, это превращение происходило через ряд резисторных сетей, которые содержат силы сигнала, поступающего от нескольких фотоумножителей, и вырабатывали цифровой сигнал, пропорциональный энергии излучения событий.
Независимо от метода, используемого для оцифровки изображений, цифровой выход назначает дискретное значение обработанных аналоговых данных. В результате получаются изображения, которые могут храниться и обрабатываться. Тем не менее, эти образы являются только приближением оригинальных аналоговых данных. Как можно видеть на рисунке 1, цифровое представление имеет примерный вид, но не дублирует аналоговые сигналы.
Рис. 1 – Аналоговая кривая и её цифровое представление
Цифровые изображения радиологической медицины состоят из матрицы, выбранной технологом. Некоторые общие матрицы, используемые в радиологической медицине: 64х64, 128х128 и 256х256. В случае матрицы 64х64, экран компьютера делится на 64 ячейки по горизонтали и 64 по вертикали. Каждый квадрат в результате такого разделения называется пикселем. Каждый пиксель может содержать ограниченное количество данных. В 64х64 матрице, будет в общей сложности 4096 пикселей на экране компьютера, матрица 128х128 дает 16384 пикселя, а 256х256 – 65536 пикселей.
Изображения с большим количеством пикселей больше напоминают оригинальные аналоговые данные. Тем не менее, это означает, что компьютер должен хранить и обрабатывать больше данных, для чего необходимо больше места на жестком диске и предъявляются более высокие требования к оперативной памяти. Большинство статических изображений получены для визуального осмотра врачом радиологической медицины, поэтому они обычно не требуют значительного статистического или численного анализа. Ряд общих статических методов обработки изображений обычно используется для клинических целей. Эти методы не обязательно являются уникальными для статической обработки изображений, и могут применяться в некоторых приложениях для динамических, физиологически закрытых или ОФЭКТ-изображений. Это следующие методы:
- шкалирование изображений;
- вычитание фона;
- сглаживание / фильтрация;
- цифровое вычитание;
- нормализация;
- изображение профиля.
Шкалирование изображений
При просмотре цифровых изображений для визуального контроля или для записи изображений, технологу необходимо выбрать правильное шкалирование изображения. Шкалирование изображения может происходить либо в черно-белом формате с промежуточными оттенками серого или в цветном формате. Самой простой серой шкалой будет шкала с двумя оттенками серого, а именно белым и черным. В этом случае, если значение пикселя превышает заданное пользователем значение, на экране будет появляться черная точка, если значение окажется меньше, то белая (или прозрачная в случае с рентгеновскими изображениями). Эта шкала может быть инвертирована на усмотрение пользователя.
Чаще всего используется шкала из 16, 32 или 64 оттенков серого. В этих случаях пиксели, содержащих наиболее полную информацию выглядят как темные тени (черные). Пиксели, содержащие минимум информации выглядят как самые светлые оттенки (прозрачные). Все остальные пиксели будут выглядеть как оттенки серого, основанные на количестве информации, которую они содержат. Взаимосвязь между количеством точек и оттенков серого может быть определена линейно, логарифмически, или экспоненциально. Важно выбрать правильный оттенок серого. Если слишком много оттенков серого цвета выбрано, изображение может выглядеть размытым. Если слишком мало – изображение может выглядеть слишком темными (рис. 2).
Рис. 2 – (A) изображения с большим количеством оттенков серого цвета, (В) изображение с малым количеством оттенков серого, (C) изображение с правильными градациями серого
Цветовой формат может быть использован для шкалирования изображения, и в этом случае процесс совпадает с серой шкалой манипуляций. Однако, вместо отображения данных в оттенки серого, данные отображаются в разные цвета в зависимости от количества информации, содержащейся в пикселе. Хотя цветные изображения являются привлекательными для начинающих и более наглядными для целей общественного отношения, цветные изображения мало что добавляют к интерпретируемости фильма. Таким образом, многие врачи по-прежнему предпочитают просматривать изображения в градациях серого.
Цифровое вычитание и нормализация
Обычная проблема в радиологической медицине предотвращать происходящую активность от сокрытия или маскировки аномальных участков накопления индикатора. Многие из этих трудностей были преодолены за счет применения ОФЭКТ технологии. Тем не менее, необходимы более умные методы, чтобы получить соответствующую информацию из плоского изображения. Одним из таких методов является цифровое вычитание. Цифровое вычитание включает вычитание одного изображения из другого. Оно основано на предпосылке, что некоторые радиофармпрепараты локализованы в нормальных и патологических тканях, что делает правильность интерпретации трудной для врача. Чтобы помочь в дифференциации между нормальной и патологической тканями, второй радиофармпрепарат вводится только в пределах здоровых тканей. Изображение распределения второго радиофармпрепарата вычитается из образа первого, оставив только изображение аномальной ткани. Крайне важно, чтобы пациент оставался неподвижным между первым и вторым введением.
Когда технолог вычитает высоколичественное второе изображение из низкоколичественного первого изображения, можно удалить достаточные значения из аномальной ткани, что сделает вид «нормальной» (рис. 6).
Рис. 3 – Цифровое вычитание без нормализации
Временная фильтрация
Цель фильтрации – снижение шума и улучшение визуального качества изображения. Пространственная фильтрация, часто известная как сглаживание, применяется к статическим изображениям. Однако, поскольку динамические изображения – последовательно расположенные статические изображения, целесообразно применять пространственные фильтры, и для динамических.
Различные типы фильтров, временной фильтр, применяется для динамических исследований. Пиксели в последовательных кадрах динамического анализа вряд ли испытывают огромные колебания накопленных отсчетов. Тем не менее, небольшие изменения в одном кадре от предыдущего могут приводить к «мерцанию». Временные фильтры успешно сокращают мерцания, одновременно минимизируя значительные статистические флуктуаций данных. Эти фильтры используют технику среднего взвешенного, при которой пикселю присваивается средневзвешенное значение идентичных пикселей предыдущего и последующего кадров.
Суммирование изображений / дополнение
Суммирование изображений и дополнение являются взаимозаменяемыми терминами, которые относятся к одному процессу. В этой статье будет использоваться термин суммирование изображений. Суммирование изображений – процесс суммирования значений нескольких изображений. Хотя могут возникнуть обстоятельства, при которых суммированные изображения будут количественными, но это больше исключение, чем правило. Потому что причина суммирования изображения редко используется для количественных целей, не стоит выполнять нормализацию суммированием изображений.
Изображения исследования могут быть суммированы либо частично, либо полностью, чтобы получить одно изображение. Альтернативный метод включает в себя сжатие динамического изображения в меньшее количество кадров. Независимо от используемого метода, главным преимуществом суммирования изображения является косметический характер. Например, последовательные изображения с низким количеством исследований будут суммироваться, чтобы визуализировать изучаемый орган или ткань. Очевидно, дальнейшей обработке изображений визуализации органов и тканей будет способствовать технолог, что поможет врачу в визуальной интерпретации результатов исследования (рис. 9).
Рис. 4 – (A) нефрограмма до и (B) после суммирования
Заключение
Количество процедур, которые применяются для статического изображения, также могут быть применены к динамической визуализации. Сходство обусловлено тем, что динамические изображения – последовательный ряд статических изображений. Тем не менее, количество динамических процедур не имеет статические эквиваленты. Некоторые манипуляции статических и динамических изображений не имеют количественных результатов. Многие процедуры направлены на улучшение изображения изображение. Тем не менее, отсутствие количественных результатов не делает процедуру менее важной. Это говорит о том, что картинка стоит тысячи слов. Кроме того, высокое качество, компьютерное улучшение диагностических изображений, благодаря правильной интерпретации, может иметь значение в повышении качества жизни человека.
Список использованной литературы
1. Bernier D, Christian P, Langan J. Nuclear Medicine: Technology and Techniques. 4th ed. St. Louis, Missouri: Mosby; 1997: 69.
2. Early P, Sodee D. Principles and Practices of Nuclear Medicine. St. Louis, Missouri: Mosby; 1995: 231.
3. Mettler F, Guiberteau M. Essentials of Nuclear Medicine Imaging, 3rd ed. Philadelphia, Penn: W.B. Saunders; 1991: 49.
4. Powsner R, Powsner E. Essentials of Nuclear Medicine Physics. Malden, Mass.: Blackwell Science; 1998: 118-120.
5. Faber T, Folks R. Computer processing methods for nuclear medicine images. J Nucl Med Technol. 1994;22:145-62.
6. Madsen M. Computer acquisition of nuclear medicine images. J Nucl Med Technol. 1994;30:3-12.